voiceActivityDetector
检测音频信号中语音的存在
描述
的voiceActivityDetector系统对象™检测音频段中是否存在语音。你也可以用thevoiceActivityDetector系统对象输出每个频率单元的噪声方差估计值。
检测言语的存在:
创建
voiceActivityDetector对象，并设置其属性。使用参数调用对象，就像调用函数一样。
要了解更多关于System对象如何工作的信息，请参见什么是系统对象?．
创建
描述
VAD = voiceActivityDetector创建一个System对象，VAD，它通过每个输入通道独立地检测语音的存在。
VAD = voiceActivityDetector (每个属性集名称,值）的名字到指定的价值．未指定的属性具有默认值。
通过采用= voiceActivityDetector(“InputDomain”、“频率”)创建一个System对象，VAD，它接受频域输入。
性质
对象的功能
要使用对象函数，请指定System对象作为第一个输入参数。例如，释放名为system的对象的系统资源obj，请使用以下语法：
发行版(obj)
例子
检测语音活动
使用默认的voiceActivityDetector系统对象™用于检测流音频信号中是否存在语音。
创建音频文件读取器以流化音频文件进行处理。定义参数将音频信号分成10毫秒非重叠帧。
fileReader = dsp。AudioFileReader (“Counting-16-44p1-mono-15secs.wav”）;fs = fileReader.SampleRate;fileReader。SamplesPerFrame =装天花板(10 e - 3 * fs);
创建一个默认的voiceActivityDetector对象，用于检测音频文件中是否存在语音。
VAD = voiceActivityDetector;
创建一个范围，以绘制音频信号和语音活动检测器检测到的相应语音存在概率。创建音频设备编写器以通过声卡播放音频。
范围= timescope (．..“NumInputPorts”2.．..“采样器”fs,．..“TimeSpanSource”，“财产”，“时间跨度”3.．..“缓冲长度”，3*fs，．..“YLimits”(-1.5 - 1.5),．..“TimeSpanOverrunAction”，“滚动”，．..“ShowLegend”,真的,．..“频道名称”, {“音频”，"语言存在的概率"}）;deviceWriter = audioDeviceWriter (“采样器”fs);
在音频流循环中：
从音频文件中读取。
计算语音存在的概率。
可视化音频信号和语音存在概率。
通过声卡播放音频信号。
而~isDone（fileReader）audioIn=fileReader（）；probability=VAD（audioIn）；scope（audioIn，probability*ones（fileReader.sampleperframe，1））deviceWriter（audioIn）；结束
使用重叠帧检测语音活动
使用语音活动检测器检测音频信号中是否存在语音。用音频样本绘制语音存在的概率。
创建一个dsp。AudioFileReader系统对象™读取语音文件。
误判率= dsp。AudioFileReader (“Counting-16-44p1-mono-15secs.wav”）;fs = afr.SampleRate;
将音频分块为20毫秒的帧，连续帧之间有75%的重叠。将以秒为单位的帧时间转换为采样。确定跃点大小（新采样的增量）。在音频文件读取器中，将每帧采样数设置为跃点大小。创建默认值异步缓冲器对象来管理音频帧之间的重叠。
frameSize =装天花板(20 e - 3 * fs);overlapSize =装天花板(0.75 * frameSize);hopSize = frameSize - overlapSize;误判率。SamplesPerFrame = hopSize;inputBuffer = dsp。AsyncBuffer (“容量”, frameSize);
创建一个voiceActivityDetector系统对象。指定1024的FFT长度。
VAD = voiceActivityDetector (“FFTLength”, 1024);
创建一个范围，以绘制音频信号和语音活动检测器检测到的相应语音存在概率。创建一个范围audioDeviceWriter系统对象通过声卡播放音频。
范围= timescope (“NumInputPorts”2.．..“采样器”fs,．..“TimeSpanSource”，“财产”，“时间跨度”3.．..“缓冲长度”，3*fs，．..“YLimits”[-1.5, 1.5],．..“TimeSpanOverrunAction”，“滚动”，．..“ShowLegend”,真的,．..“频道名称”, {“音频”，"语言存在的概率"}); 播放器=音频设备编写器(“采样器”fs);
初始化向量以保存概率值。
pHold = 1 (hopSize, 1);
在音频流循环中：
从音频文件中读取一个跃点的样本，并将样本保存到缓冲区中。
从缓冲区中读取与前一帧具有指定重叠的帧。
调用语音活动检测器来获取被分析帧的语音概率。
将概率向量的最后一个元素设置为新的概率决策。使用时间范围可视化音频和语音存在概率。
通过声卡播放音频。
将概率向量设置为下一个循环中绘制的最新结果。
而~isDone(afr) x = afr();n =写(inputBuffer x);overlappedInput =阅读(inputBuffer frameSize overlapSize);p = VAD (overlappedInput);pHold(结束)= p;范围(x, pHold)球员(x);pHold (:) = p;结束
释放游戏者一旦音频结束播放。
发行版(球员)
频域语音活动检测与倒谱特征提取
许多特征提取技术都是在频域上进行的。仅将音频信号转换到频域一次是有效的。在本例中，将流式音频信号转换为频域，并将该信号输入语音活动检测器。如果存在语音，则使用倒谱特征提取系统对象™．
创建一个dsp。AudioFileReader要从音频文件中读取的系统对象。
fileReader = dsp。AudioFileReader (“Counting-16-44p1-mono-15secs.wav”）;fs = fileReader.SampleRate;
以10毫秒的跳跃时间处理30毫秒帧中的音频。创建默认值异步缓冲器对象来管理音频帧之间的重叠。
samplesPerFrame =装天花板(0.03 * fs);samplesPerHop =装天花板(0.01 * fs);samplesPerOverlap = samplesPerFrame - samplesPerHop;fileReader。SamplesPerFrame = samplesPerHop;缓冲= dsp.AsyncBuffer;
创建一个voiceActivityDetector系统对象和倒谱特征提取器系统对象。指定它们在频域内工作。创建一个信号接收器记录提取的倒谱特征。
VAD = voiceActivityDetector (“InputDomain”，“频率”）;cepFeatures = cepstralFeatureExtractor (“InputDomain”，“频率”，“采样器”fs,“LogEnergy”，“替换”）;水槽= dsp.SignalSink;
在音频流循环中：
从音频文件中读取一跳的样本并将样本保存到缓冲区中。
读一帧从
缓冲与前一帧的指定重叠。调用语音活动检测器来获取被分析帧的语音概率。
如果被分析的帧有大于0.75的语音概率，提取倒谱特征并使用信号接收器记录特征。如果被分析帧的语音概率小于0.75，则向sink写入一个nan向量。
阈值=0.75；nanVector=nan（1,13）；而~isDone(fileReader) audioIn = fileReader();写(缓冲区,audioIn);overlappedAudio =阅读(缓冲区,samplesPerFrame samplesPerOverlap);X = fft (overlappedAudio, 2048);probabilityOfSpeech = VAD (X);如果语音概率>阈值X特征=CEP特征（X）；水槽（xFeatures'）其他的水槽（nanVector）结束结束
可视化随时间变化的倒谱系数。
timeVector = linspace(0 15大小(sink.Buffer, 1));情节(timeVector sink.Buffer)包含(“时间(s)”) ylabel (“MFCC振幅”)传奇(“对数能量”，“c1”，c2的，“c3”，“c4”，“c5”，“c6”，“c7”，“c8”，“制备”，“10大”，“c11”，“c12”）
确定流音频的基音轮廓
创建一个dsp。AudioFileReader对象以逐帧读取音频。
fileReader = dsp。AudioFileReader (“唱a大调，ogg”）;
创建一个voiceActivityDetector对象，以检测流音频中是否存在声音。
VAD = voiceActivityDetector;
当存在未读示例时，从文件中读取并确定帧包含语音活动的概率。如果帧包含语音活动，请拨打球场估计音频帧的基频。如果帧不包含声音活动，则声明基频为南．
f0=[]；而~isDone（fileReader）x=fileReader（）；如果VAD(x) > 0.99 decision = pitch(x,fileReader. x)SampleRate,．..“WindowLength”、大小(x, 1),．..“OverlapLength”,0,．..“范围”[200340]);其他的决策=NaN；结束f0 = (f0;决定);结束
绘制随时间变化的检测到的俯仰轮廓。
t=linspace（0，（长度（f0）*fileReader.SamplesPerFrame）/fileReader.SampleRate，长度（f0））；plot（t，f0）ylabel(“基本频率(赫兹)”)包含(“时间(s)”)网格在
算法
的voiceActivityDetector实现中描述的算法[1]．
如果InputDomain被指定为“时间”时，对输入信号加窗，然后根据窗口，旁瓣衰减,FFT长度属性。如果InputDomain为频率，输入为音频信号的加窗离散时间傅里叶变换(DTFT)。然后信号被转换到功率域。噪声方差估计根据［2］．根据最小均方误差(MMSE)公式估计后验信噪比和先验信噪比［3］．基于对数似然比检验和隐马尔可夫模型(HMM)的延迟方案确定当前帧包含语音的概率，根据[1]．
工具书类
[1] Sohn，Jongseo.，Nam-Soo Kim和Wonyong Sung.“基于统计模型的语音活动检测。”信号处理字母IEEE．1999年第6卷第1期。
[2]马丁,R。基于最优平滑和最小统计量的噪声功率谱密度估计。IEEE语音和音频处理汇刊．第9卷第5期，2001年，第504-512页。
以法莲，Y.和D.玛拉。用最小均方误差短时谱振幅估计器增强语音。声学、语音和信号处理IEEE交易．1984年第32卷第6期，1109-1121页。
扩展能力
你也可以从以下列表中选择一个网站:
